Error científico: es importante reconocerlo

El ejemplo escogido es el artículo

Symmetric matrix perturbation for differentially-private principal component analysis

En dicho artículo el autor presenta un algoritmo, para el cálculo diferencialmente privado de PCA y compara el rendimiento empíricamente con algunos algoritmos similares en diferentes conjuntos de datos.

Lo interesante de la historia de este artículo, es que el propio autor reconoce en su blog personal, que dicho "fraude científico" se produjo por los buenos resultados alcanzados empíricamente y la cercanía al deadline del congreso al que se presentó.

 Este comunicado se produjo un año después de la publicación. El autor pretendía presentar una corrección al algoritmo presentado con la nota de errata. Pero no pudo lograrlo y decidió comunicarlo 

A día de hoy el artículo no está retractado, pero al acceder aparece unanota de error:

Notes: As originally submitted and published there was an error in this document. The authors subsequently provided the following text: "This paper proposes an algorithm for differentially private PCA that adds a random matrix drawn from the Wishart distribution. The Wishart density is positive only on positive semidefinite matrices can therefore not guarantee (\epsilon,0) differential privacy. Indeed, no additive mechanism with support only on positive semidefinite matrices can guarantee (\epsilon,0) differential privacy. Thus the privacy guarantees in Theorem 1 for Algorithm 1 in this paper are incorrect." The original article PDF remains unchanged.

References:

https://ieeexplore.ieee.org/document/7472095

https://retractionwatch.com/2017/06/07/rutgers-prof-announces-retraction-blog/#more-49871